用于确定人的姿势的系统和方法_P·雅隆专利（姿势,确定,用于）-早鸽网

用于确定人的姿势的系统和方法

专利名称

用于确定人的姿势的系统和方法
发明者

P·雅隆
公开日

2012年5月2日
申请日期

2010年4月26日
优先权日

2009年4月24日
申请人

原子能和辅助替代能源委员会, 莫韦公司
文档编号

A61B5/11GK102438521SQ201080022493
关键字

姿势确定用于系统
权利要求

1.一种用于确定人的姿势的系统，其包括至少一个具有至少一个测量轴的运动传感器 (CM)，所述运动传感器设有固定模块(MF)，用于将所述运动传感器(CM)牢靠地连接到用户身上，所述系统的特征在于其包括-滤波器(FILT)，其针对所述运动传感器(CM)的每一测量轴选择高于第一阈值(Si) 的高频以及低于第二阈值(S2)的低频，所述第二阈值(S2)低于或等于所述第一阈值 (Si)；-确定模块(DET)，用于确定等于所述运动传感器(CM)考虑的测量轴(k)的所述高频的平方之和的一维高频分量(HF)和在尺度上等于所述运动传感器(CM)考虑的测量轴的数量(k)的低频分量(BF)；-计算模块(CALC)，用于计算所述高频分量(HF)的概率密度(Py)和所述低频分量(BF) 的概率密度(Px)，所述高频分量(HF)的概率密度是以等于所述运动传感器(CM)考虑的测量轴的数量(k)的自由度通过Chi-2定律定义的，所述低频分量(BF)的概率密度是由高斯定律定义的；以及-分析模块(AN)，适于确定用户的姿势，这些分析模块(AN)结合了 -所述低频分量和所述高频分量的联合概率密度，这些概率密度是针对每一姿势定义的；以及-两种连续的姿势之间的转换概率2.根据权利要求1所述的系统，其中，所述确定模块(DET)适于确定等于根据所述运动传感器(CM)考虑的测量轴得到的测量结果的线性组合的一维低频分量(BF)，所述高频分量是以一自由度通过Chi-2定律定义的3.根据权利要求1或2所述的系统，其中，所述低频分量(BF)和所述高频分量(HF)的一对值(x(n),y(n))的概率密度(P (χ (η), y (n)))包括获得所述低频分量(BF)的值(χ (η)) 的概率密度(Px)和获得所述高频分量(HF)的值(y(n))的概率密度(Py)的乘积，所述概率密度(Px，Py)是根据下述表达式针对每一状态i定义的4.根据前述权利要求之一所述的系统，其包括显示模块(AFF)5.根据前述权利要求之一所述的系统，其中，所述运动传感器(CM)包括加速度计和/ 或磁强计和/或陀螺仪6.根据前述权利要求之一所述的系统，其包括具有测量轴的第一加速度计和适于将所述第一加速度计固定到用户的躯干上的固定模块，所述固定所采取的方式使得所述测量轴与用户直立时身体的纵轴VT —致7.根据权利要求6所述的系统，其中，所述分析模块(AN)适于利用隐马尔可夫模型确定与时间相关的用户的姿势，所述隐马尔可夫模型最多具有从站姿或坐姿、行走姿势、倾斜姿势到躺卧姿势的四种状态8.根据权利要求7所述的系统，其中-对于站姿或坐姿而言，μχε ，，e [1.10—3;5.10—1 j. -对于行走姿势而言，， ,σ^ e [l.lO2 ; -对于倾斜姿势而言9.根据权利要求6所述的系统，所述系统还包括具有测量轴的第二加速度计和适于将所述第二加速度计固定到用户的大腿上的固定模块，所述固定所采取的方式使得所述测量轴与用户直立时身体的纵轴VT —致10.根据权利要求9所述的系统，其中，所述分析模块(AN)适于利用隐马尔可夫模型确定与时间相关的用户的姿势，所述隐马尔可夫模型最多具有从站姿、坐姿、躺卧姿势到行走姿势的四种状态11.根据权利要求10所述的系统，其中，x(n)表示所述两个加速度计的一对相应低频分量(BF)，y(n)表示所述第二加速度计的高频分量(HF)，其中索引样本为n，获得值χ (η) 的概率密度(Px)是通过下述表达式定义的12.根据权利要求11所述的系统，其中13. 一种用于确定人的姿势的方法，其特征在于-执行滤波(FILT)，从而针对运动传感器(CM)的每一测量轴选择高于第一阈值(Si) 的高频以及低于第二阈值(S2)的低频，所述第二阈值(S2)低于或等于所述第一阈值 (Si)；-确定(DET)等于所述运动传感器(CM)考虑的测量轴(k)的所述高频之和的一维高频分量(HF)和在维度上等于所述运动传感器(CM)考虑的测量轴的数量(k)的低频分量 (BF)；-计算(CALC)所述高频分量(HF)的概率密度(Py)和所述低频分量(BF)的概率密度 (Px)，所述高频分量(HF)是以等于所述运动传感器(CM)考虑的测量轴的数量(k)的自由度通过Chi-2定律定义的，所述低频分量(BF)是由高斯定律定义的；以及_采用隐马尔可夫模型确定与时间相关的用户的姿势，所述隐马尔可夫模型具有分别对应于N个姿势的N个状态，可以通过结合下述内容执行这一确定-所述低频分量和所述高频分量的联合概率密度，这些概率密度是针对每一姿势定义的，以及-两种连续的姿势之间的转换概率

专利详情
全文pdf
权力要求
说明书
法律状态

专利名称：用于确定人的姿势的系统和方法用于确定人的姿势的系统和方法本发明涉及用于确定人的姿势的系统和方法。涉及以隐马尔可夫模型为基础的移动分析的系统和方法是已知的，例如，如 Daniel Wilson 禾口 Andy Wilson 的文章 “Gesture recognition using the XWand，，以及 P. V. Borza 的文章“Motion-based gesture recognition with an accelerometer，，(学士学位论文)中所述。文献"A hidden Markov model-based stride segmentation technique applied to equine inertial sensor trunk movement data",Journal of Biomechanics 41 (2008) 216-220,by Thilo Pfau,Marta Ferrari,Kevin Parsons, and Alan Wilson 涉及对马的步态的分析。然而，这些系统和方法的准确度有限。本发明的一个目的在于提高确定移动元素，尤其是生物的活动的准确性，所述生物可以是人，也可以是动物。根据本发明的一个方面，提出了一种用于确定人的姿势的系统，其包括至少一个具有至少一个测量轴的运动传感器，其设有固定装置，用于将所述运动传感器牢靠地连接到用户身上。所述系统包括-滤波器，其针对所述运动传感器的每一测量轴选择高于第一阈值的高频以及低于第二阈值的低频，所述第二阈值低于或等于所述第一阈值；-用于确定等于所述运动传感器所考虑的测量轴的所述高频的平方之和的一维高频分量和在尺度上等于所述运动传感器考虑的测量轴的数量的低频分量的模块；-用于计算所述高频分量的概率密度和所述低频分量的概率密度的模块，所述高频分量的概率密度是以等于所述运动传感器考虑的测量轴的数量的自由度通过Chi-2定律定义的，所述的低频分量的概率密度是由高斯定律定义的；以及-适于确定用户的姿势的分析模块，这些分析模块结合了-所述低频和高频分量的联合概率密度，这些概率密度是针对每一姿势定义的；以及-两种连续的姿势之间的转换概率。需要提醒的是，隐马尔可夫模型是由两个随机过程定义的第一个随机过程在本申请中被称为“状态”，不需对其观测，换言之，该随机过程是隐藏的，第二个随机过程是对指定时刻上的概率密度取决于同一时刻的状态的值的观察。根据本发明的第一方面，状态采取离散值。这一类型的系统能够以提高的准确度确定移动元素，尤其是既可以是人也可以是动物的生物的活动。在一个实施例中，所述确定模块适于确定等于根据运动传感器考虑的测量轴得到的测量结果的线性组合的一维低频分量，所述高频分量是以一自由度通过Chi-2定律定义的。根据一个实施例，一对低频分量和高频分量的值的概率密度包括获得低频分量的值的概率密度与获得高频分量的值的概率密度的乘积，所述概率密度是通过下述表达式针对每一状态i确定的本发明涉及一种用于确定人的姿势的系统，其包括至少一个具有至少一个测量轴的运动传感器(CM)，所述运动传感器设有固定模块(MF)，用于将所述运动传感器(CM)牢靠地连接到用户身上，所述系统包括适于确定用户的姿势的分析模块(AN)，这些分析模块(AN)结合了-所述低频分量和高频分量的联合概率密度函数，这些概率密度函数是针对每一姿势定义的；以及-两种连续的姿势之间的转换概率。

查看更多专利详情

下载专利文献

下载专利